在使用python的过程中，必然会设计到如何创建web应用，而搜索功能却最为常见，该文档包含了如何整合haystack，elasticsearch、ik中文分词到django应用中。
测试应用版本
python 2.7.6
elasticsearch 2.3.5
elasticsearch-analysis-ik 1.9.5
django==1.8.14
django-haystack==2.6.0
whoosh==2.7.4
elasticsearch==5.1.0
jieba==0.38
安装
python包安装
pip install django==1.8.14
pip install haystack==2.4.1
pip install whoosh==2.7.4
pip install elasticsearch==5.1.0
elasticsearch安装
elasticsearch是基于java，所以java需要先安装
[root@slave2 ~]# java -version
java version "1.7.0_25"
Java(TM) SE Runtime Environment (build 1.7.0_25-b15)
Java HotSpot(TM) 64-Bit Server VM (build 23.25-b01, mixed mode)
[root@slave2 ~]# rpm -ivh https://download.elastic.co/elasticsearch/release/org/elasticsearch/distribution/rpm/elasticsearch/2.3.5/elasticsearch-2.3.5.rpm
[root@slave2 ~]# /etc/init.d/elasticsearch start
[root@slave2 ~]# curl http://localhost:9200/
{
"name" : "Titanium Man",
"cluster_name" : "elasticsearch",
"version" : {
"number" : "2.3.5",
"build_hash" : "90f439ff60a3c0f497f91663701e64ccd01edbb4",
"build_timestamp" : "2016-07-27T10:36:52Z",
"build_snapshot" : false,
"lucene_version" : "5.5.0"
},
"tagline" : "You Know, for Search"
}
elasticsearch-analysis-ik安装
安装maven
wget http://repos.fedorapeople.org/repos/dchen/apache-maven/epel-apache-maven.repo -O /etc/yum.repos.d/epel-apache-maven.repo
yum install apache-maven
注意安装是使用对应的版本，测试也是如此，比如此处使用1.9.5版本。
下载，安装elasticsearch-analysis-ik
git clone https://github.com/medcl/elasticsearch-analysis-ik.git
cd elasticsearch-analysis-ik
git checkout v1.9.5
mvn package # 需要先安装apache-maven工具
ll target/releases/
# 复制zip包到elasticsearch插件目录下 yum安装方式的默认路径 /usr/share/elasticsearch/
cd /usr/share/elasticsearch/plugins/;mkdir ik;cd -
cp target/releases/elasticsearch-analysis-ik-1.9.5.zip /usr/share/elasticsearch/ik/
cd /usr/share/elasticsearch/ik/ ;unzip elasticsearch-analysis-ik-1.9.5.zip
[root@slave2 ik]# ../../bin/plugin list
Installed plugins in /usr/share/elasticsearch/plugins:
-ik
注意
在使用中不用刻意选择高版本的elasticsearch，可以有效避免版本不兼容。另外一定要注意你使用的elasticsearch版本是否和elasticsearch-analysis-ik对应。可以参考该链接来对应好版本。
测试文档
# 重启elasticsearch 默认elasticsearch监听在localhost上
# 如果是跨主机访问需要修改/etc/elasticsearch/elasticsearch.yml中network.host的配置。
/etc/init.d/elasticsearch restart
开始使用
简单版本
参考链接Django添加全文搜索功能入门篇使用whoosh作为后端索引存储(基于文件系统)
按照该文档操作测试或者参考官方文档皆可。
加入中文的支持
#安装中文分词工具
pip install jieba==0.38
1、将文件haystack中的whoosh_backend.py（该文件路径为python安装路径下/lib/python2.7.6/site-packages/haystack/backends/whoosh_backend.py）拷贝到你创建的应用下面，并重命名为whoosh_cn_backend.py，例如blog/whoosh_cn_backend.py。
编辑blog/whoosh_cn_backend.py导入中文分析库ChineseAnalyzer
from jieba.analyse import ChineseAnalyzer
修改blog/whoosh_cn_backend.py大概163行位置
schema_fields[field_class.index_fieldname] = TEXT(stored=True, analyzer=ChineseAnalyzer(), field_boost=field_class.boost)
2、在settings.py中修改之前使用的默认的whooshEngine为修改后的WhooshEngine。
HAYSTACK_CONNECTIONS = {
'default': {
'ENGINE': 'blog.whoosh_cn_backend.WhooshEngine',
'PATH': os.path.join(BASE_DIR, 'whoosh_index'),
},
}
3、重建索引python manage.py rebuild_index，在进行搜索中文试试吧。
注意索引的自动更新：
默认索引没有自动更新，那么每当有新数据添加到数据库，就要手动执行update_index命令是不科学的。自动更新索引的最简单方法在settings.py添加一个信号。
HAYSTACK_SIGNAL_PROCESSOR = "haystack.signals.RealtimeSignalProcessor"
升级版本
由于whoosh是基于文件系统的，所有在索引数据量过大时必然引起性能问题。从官方描述也可以看得出Whoosh is pure Python, so it’s a great option for getting started quickly and for development, though it does work for small scale live deployments
需要提前安装好elasticsearch和elasticsearch-analysis-ik，并通过测试。
在之前的项目的基础上修改settings.py
前：
HAYSTACK_CONNECTIONS = {
'default': {
# 'ENGINE': 'haystack.backends.whoosh_backend.WhooshEngine',
'ENGINE': 'info_collect.whoosh_cn_backend.WhooshEngine',
'PATH': os.path.join(os.path.dirname(__file__), 'whoosh_index'),
},
}
后：
HAYSTACK_CONNECTIONS = {
'default': {
'ENGINE': 'haystack.backends.elasticsearch_backend.ElasticsearchSearchEngine',
'URL': 'http://localhost:9200/', #多主机部署时需要修改elasticsearch的监听端口，之前提到过。
'INDEX_NAME': 'haystack',
},
}
创建索引名
#创建索引名
curl -XPUT http://localhost:9200/haystack
# 重建索引
python manage.py rebuild_index
如果rebuild_index中出错，请仔细查看出错日志。
部分代码
urls.py：
from django.conf.urls import url
from haystack.query import SearchQuerySet
from views import KeyWordSearchView
from views import check_user_is_login
qs = SearchQuerySet().order_by('keyword_ranking')
''' 加入需要登录认证的装饰器函数 check_user_is_login'''
urlpatterns = [
url(r'^search/', check_user_is_login(KeyWordSearchView(searchqueryset=qs, template='info_collect/search.html')), name='haystack_search'),]
views.py:
from haystack.views import SearchView
class KeyWordSearchView(SearchView):
''' 为模板传递额外的参数 '''
def extra_context(self):
customer_id, user_name = get_current_user(self.request)
return {'customer_id': customer_id, 'user_name': user_name}
''' 限制结果集 '''
def get_results(self):
return self.form.search()[:200]
总结：
通过对比两种方式，可以发现，whoosh使用jieba分词做处理，然后基于文件存储。elasticsearch使用ik分词作为插件，提供中文分词的能力，haystack通过下层抽象，在不修改代码的同时做到了可以选择不同后端索引存储的目的。
参考链接：
django官方网站
haystack2.6文档
Elasticsearch官方网站
ik中文分词
Django添加全文搜索功能入门篇
网友评论